t검정, 독립표본과 대응표본 구분하기

서로 다른 사람들을 비교하면 독립표본, 같은 사람의 전후를 비교하면 대응표본입니다. SPSS 결과에서는 Levene 검정부터 보고 읽을 줄을 고릅니다.

평균 두 개를 비교하는 분석입니다. 남자와 여자의 만족도가 다른지, 교육 전후로 점수가 올랐는지 같은 질문에 씁니다. 어렵지 않은 분석인데 종류를 잘못 고르거나 결과표에서 엉뚱한 줄을 읽어 틀리는 경우가 많습니다.

먼저 종류부터 고릅니다

  • 독립표본 t검정: 서로 다른 사람들을 비교합니다. 남자 120명과 여자 130명의 평균 비교가 여기입니다.
  • 대응표본 t검정: 같은 사람에게 두 번 잰 값을 비교합니다. 교육 전과 후, 사전 사후 설계가 여기입니다.
  • 일표본 t검정: 한 집단의 평균이 특정 기준값과 다른지 봅니다. 평균이 척도 중앙값 3과 다른지 같은 경우입니다.

조건

  • 종속변수가 연속형(등간, 비율)이어야 합니다. 리커트 척도의 평균변수는 관행적으로 연속형으로 다룹니다.
  • 정규성. 표본이 각 집단 30명을 넘으면 중심극한정리에 기대어 크게 문제 삼지 않는 것이 보통입니다.
  • 독립표본은 등분산 가정이 추가됩니다. 이건 SPSS가 Levene 검정으로 같이 알려줍니다.
  • 정규성이 크게 어긋나고 표본도 작으면 Mann-Whitney U(독립), Wilcoxon 부호순위(대응) 같은 비모수 검정으로 바꿉니다.

SPSS에서 돌리기

  1. 1분석 > 평균 비교 > 독립표본 T 검정을 엽니다.
  2. 2검정변수에 종속변수를, 집단변수에 성별 같은 구분 변수를 넣습니다.
  3. 3집단 정의를 눌러 집단 1에 1, 집단 2에 2처럼 코드값을 적습니다. 이걸 안 하면 실행 버튼이 활성화되지 않습니다.
  4. 4확인을 누릅니다.

결과표에서 어느 줄을 읽나

독립표본 t검정 결과는 두 줄로 나옵니다. 등분산을 가정함과 등분산을 가정하지 않음입니다. 둘 중 하나만 읽습니다. 어느 줄을 읽을지는 표 왼쪽의 Levene 검정이 정해줍니다.

  • Levene 검정의 유의확률이 0.05보다 크면 등분산을 가정합니다. 윗줄을 읽습니다.
  • 0.05보다 작거나 같으면 등분산이 깨진 것입니다. 아랫줄(등분산을 가정하지 않음)을 읽습니다. 이 줄은 자유도가 소수점으로 나옵니다.

효과크기도 함께 보고하세요

유의확률은 차이가 있는지만 알려주고 얼마나 큰 차이인지는 알려주지 않습니다. 표본이 크면 아주 작은 차이도 유의하게 나옵니다. 그래서 Cohen's d를 함께 적는 것이 요즘 관행입니다. 두 평균의 차이를 통합표준편차로 나눈 값이고, 0.2는 작음, 0.5는 중간, 0.8은 큼으로 해석하는 것이 널리 쓰입니다.

논문에는 이렇게 씁니다
성별에 따른 직무만족의 차이를 검정하기 위해 독립표본 t검정을 실시하였다. Levene의 등분산 검정 결과 등분산 가정이 충족되어(F=1.203, p=.274) 등분산을 가정한 결과를 보고하였다. 분석 결과 남성(M=3.82, SD=0.61)이 여성(M=3.54, SD=0.58)보다 직무만족이 유의하게 높았다(t=3.142, p=.002, Cohen's d=0.47).

자주 하는 실수

  • 집단이 셋인데 t검정을 세 번 반복하는 것. 비교를 거듭할수록 우연히 유의하게 나올 확률이 쌓입니다. 셋 이상은 분산분석을 씁니다.
  • Levene을 보지 않고 늘 윗줄만 읽는 것.
  • 유의확률이 0.000으로 찍힌 것을 p=.000으로 적는 것. 0일 수는 없으므로 p<.001로 적습니다.
  • 집단 크기가 크게 차이 날 때(예: 20명 대 300명) 등분산 가정이 깨지기 쉽습니다. 아랫줄을 읽게 될 가능성이 높습니다.

이 작업을 대신 해드립니다

구글폼이나 엑셀로 받은 응답 파일을 올리면 변수 레이블, 값 레이블, 역문항 역코딩, 요인별 신뢰도, 요인 평균변수가 들어간 SPSS 명령문을 만들어드립니다. 지금은 무료입니다.

올린 파일은 서버로 보내지 않습니다. 계산은 브라우저 안에서만 이루어집니다.

데이터 올려보기

함께 보면 좋은 글

가이드 전체 보기